Étude de l’interaction entre les principes de la justice thérapeutique et l’achèvement des Programmes d’accompagnement justice et santé mentale du Québec
Bibliographic record
Abstract
La désinstitutionnalisation des personnes aux prises avec des troubles de santé mentale dans les années 60 au Canada a eu comme conséquences de rendre ces personnes plus susceptibles de se retrouver à la rue faute de services et leurs contacts avec les autorités policières ont augmenté. Face à la surreprésentation de personnes atteintes de troubles mentaux dans le système de justice et la reconnaissance que le système de justice traditionnel n’est pas adapté pour ce type d’accusés, des tribunaux de santé mentale (TSM) commencent alors à émerger. Au Québec, le premier TSM à voir le jour est le Programme d’accompagnement justice et santé mentale (PAJ-SM) à la Cour municipale de Montréal en 2008. Des questions résident autour de l’efficacité de ces tribunaux dont l’achèvement aurait pour effet de réduire le risque de récidive des accusés. Le principal objectif de cette étude est de comprendre le lien entre les principes de la justice thérapeutique (JT) et l’achèvement des PAJ-SM. Pour ce faire, les données ont été collectées à partir de 516 dossiers de procureurs dans six PAJ-SM différents. Des dimensions importantes de la JT souvent exclues d’autres études telles que les équipes multidisciplinaires, le fonctionnement du tribunal et les traitements ou services reçus par l’accusé ont été mesurées avec une régression logistique et des arbres décisionnels tout en tenant compte des caractéristiques des participants et des programmes qui peuvent influencer l’achèvement comme les données sociodémographiques, les diagnostics, les infractions, l’imposition de conditions de la cour et les évènements de vie qui ponctuent la trajectoire judiciaire des participants. Les résultats des analyses de la régression logistique et des arbres décisionnels indiquent que les participants qui utilisent des services médicaux ou psychosociaux, des services de la vie quotidienne et des services spécialisés, lors que leur participation au PAJ-SM, ont de plus grandes probabilités de compléter le programme. Aussi, ils ont de plus grandes probabilités de compléter le PAJ-SM, s’ils ont dans leur plan d’action l’objectif d’arrêter ou de diminuer leur consommation de substance et qu’ils ont de plus longs délais entre leurs audiences.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.013 | 0.040 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.008 | 0.003 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".